为什么投资人会在机器学习领域砸下重金？

如果你是个聪明的投资人，而且手上也有足够多的资金，那么想必已经在人工智能领域里做过几笔投资交易了。

可是，投资人工智能行业并不轻松，在这个市场里，规模达到 5000 万美元的投资都不算是什么大交易，因此，如果你想要有所成就，那么可能需要砸下更多资金——比如，利用算法进行量化交易的 Sentient 公司在人工智能平台上投入了 1.44 亿美元，人工智能公司 Vicarious Systems 为了开发算法投入了 6700 万美元。

怎么说呢，如果你是一家开发智能机器人的初创公司，那么很可能会享受到最顶级的投资服务。

不过问题来了，为什么现在人工智能忽然火了起来呢？又是什么让人工智能和机器学习忽然变成了投资人们热议的话题？

答案其实很简单，人工智能技术很可能会改变整个行业的游戏规则。

在某种程度上，人工智能和机器学习技术被很多人看做是一种过程优化，但实际上，它们却能产生非常极端的效果。当机器和人工智能学习的越多，它们就会变得更智慧，最终也越可能颠覆我们人类所熟知的世界经济。

不过，人工智能技术最先颠覆的可能会是软件开发行业经济。

举个例子，对于一支拥有 6-10 名软件开发人员的团队而言，过去某个软件开发项目可能需要花上一年时间才能完成，而现在人工智能的支持下，可能会被压缩到只需数月时间就能搞定。

而这种缩短开发时间的功能，只是人工智能技术颠覆软件开发经济的一个开始。人类本身其实很容易接受新事物，也很容易被“优化”，而对机器来说，所有创新不过是它们继续向前发展的一个开始。

好了，说到这里，你可能会产生一定的怀疑态度，这很正常。但是如果我们回顾下历史，看看第一次工业革命对人类社会所造成的影响，就会发现机器给整个世界带来的创新是多么惊人！而且要知道，那时候可没有人工智能技术，机器也不是那么“聪明”。但现在，机器其实已经变得足够聪明了，它们甚至能让整支软件开发团队“回家种地”，自己独立完成某个开发项目。

让我们拿华尔街为例，股票交易所可以看做是金融行业里的一个缩影。为了获取海量财务数据，汤森路透和彭博社这些公司在数据库维护上花了不少钱，对于像评估、微软、以及亚马逊这样的大公司，需要不断收集他们的信息，追踪股票价格，出新闻之后还得第一时间准备报道。

而现在，机器学习完全能够自动执行这些处理。按照业务识别模型和公开交易的数据，这些数据库可以在人工智能分析下运行，并不需要人工参与。事实上，只要是重复的、基于过程的、并且涉及到海量数据的工作，都能依靠机器学习技术来处理，也是这项技术主要解决的目标问题。

好了，就让我们承认吧——这些问题都是开发人员一直渴望解决的。毕竟，就算是最优秀的程序员也是人，是人就会有惰性，他们想要一次解决一个问题，而不是像机器那样，“渴望”尽可能地多地解决问题。

通过设计，机器可以高效率工作，识别类型和解决问题是它们与生俱来的使命。只要能给机器足够的时间和耐心，一旦它们达到某种成熟度，我们就能看到在某些特定行业领域里系统可以做到接近与人类智力的水平。

到了那个时候，公司老板不傻，他们就不会花更多钱去招募软件开发团队。所以发现没有，投资人看到的就是这样一个明天，这也是他们为什么现在要在机器学习技术上砸钱的原因。没错，投资人看到的是明天，而不是今天，他们需要人类无法提供的投资回报率。

当然，人工智能并不是一条容易走的道路。

智能机器就像是只有左脑的人，因此在处理某些问题时，可能会比较模糊混乱。因此，找到一种能够解决右脑问题的方法，实现逻辑跳跃和创造力，才是人工智能初创公司的机遇所在。

我们什么时候能够做到这一点呢？事实上，我们已经解锁了很多人类自身的秘密，但是对于大脑如何工作依然无法完全了解，因此给机器再造一个人类大脑其实并不容易。我们可能会经历大量失败，但还是要去做大量努力，尝试解决那些看似无法解决的问题。在人工智能领域里，我们相信那些开发工具套件、改善人工智能易用性和可用性的初创公司将会成为第一批赢家。而在某一特定领域里帮助全世界数据科学专家解决独立问题的人工智能初创公司，也将会成为该行业内第一批能够产生经济价值的赢家。

当然，现在所有的一切都只是开始。机器学习模型之间的数据交换，将会进一步加速人工智能可用性，也会降低行业成本。当所有这些都汇聚在一起，人工智能才有可能获得成功，彻底颠覆人类经济。聪明的投资人预见到了未来，他们也愿意为失败买单，因为他们看到了人工智能具备为整个人类带来变革的潜力。

此外，简化和压缩数据科学，也将会成为机器学习技术最先获得经济回报的行业领域，不过这意味着未来数据研发团队的人数会变得越来越少，相关项目的规模也会逐渐浓缩。这种情况也引起了不少业内人士的担心，认为机器人会对人类构成威胁，也害怕机器人会抢走人类工作“饭碗”。

不过，就让我们勇敢地去面对未来吧！毕竟，当一个不知疲倦、专注于工作的“机器天才”帮助人类解决问题，帮助人类从繁重的工作中解脱出来，不正是我们渴望实现的终极目标吗？

本文作者：Jeff Catlin，Lexalytics 首席执行官 36Kr编译，思达派略有编辑。